Description
Date depot: 28 octobre 2019
Titre: Apprentissage statistique de dynamiques physiques et applications en modélisation du climat.
Directeur de thèse:
Patrick GALLINARI (ISIR (EDITE))
Directrice de thèse:
Sylvie THIRIA (LOCEAN (EDITE))
Encadrant :
Olivier SCHWANDER (ISIR (EDITE))
Domaine scientifique: Sciences et technologies de l'information et de la communication
Thématique CNRS : Intelligence artificielle
Resumé:
Les sciences du climat ont vu depuis un peu plus de 20 ans, un essor fulgurant des outils d’observation, générant des masses de données gigantesques qu’il s’agisse de données observées (données in situ, satellitaires, ..) ou générées par simulation. Il existe aujourd’hui un enjeu important concernant la modélisation de ces données par des modèles statistiques, opérant comme alternative ou complément aux approches physiques classiques. L’objet de cette thèse est de commencer à répondre à ce défi. Pour cela, nous proposons une approche centrée sur des aspects mathématiques / informatiques de la modélisation, ciblée sur des problèmes génériques de la modélisation des sciences de l’Océan, de l’atmosphère et du climat. Elle se déclinera en plusieurs points qui constituent des problématiques fondamentales de la modélisation de ces phénomènes.
Doctorant.e: Dona Jeremie